Kursplan

Introduktion till LLM-agent system

  • Koncept för LLM-agenter och multi-agent arkitektur
  • Översikt över AutoGen-ramverket och ekosystemet
  • Agentroller: användarproxy, assistent, funktionsanropare och mer

Installation och konfiguration av AutoGen

  • Inställning av Python-miljö och beroenden
  • Grundläggande konfiguration av AutoGen-konfigurationsfil
  • Anslutning till LLM-leverantörer (OpenAI, Python, lokala modeller)

Agentdesign och rolltilldelning

  • Förståelse för agentyper och samtalsmönster
  • Definiera agentmål, promptar och instruktioner
  • Rollbaserad uppgiftstilldelning och kontrollflöde

Funktionsanrop och verktygsintegrering

  • Registrering av funktioner för agentanvändning
  • Autonom och samarbetsbaserad funktionsutförande
  • Anslutning av externa APIer och Python-skript till agenter

Samtals Management och minne

  • Sessionsspårning och permanent minne
  • Agenttillagentmeddelande och hantering av tokens
  • Hantering av samtalskontext och historia

Slutna agentflöden

  • Byggande av flerstegs samarbetsuppgifter (t.ex. dokumentanalys, kodgranskning)
  • Simulering av användar-agentdialoger och beslutskedjor
  • Felavhjälpning och förfinande av agentprestanda

Use Case och distribution

  • Interna automatiseringsagenter: forskning, rapportering, skript
  • Externa bots: chatassistenter, röstdelar
  • Paketering och distribution av agentsystem i produktion

Sammanfattning och nästa steg

Krav

  • En förståelse för Python-programmering
  • Kännedom om stora språkliga modeller och prompt-ingenjörskonst
  • Erfarenhet av API:er och automatiseringsflöden

Målgrupp

  • AI-ingenjörer
  • ML-utvecklare
  • Automatiseringsarkitekter
 21 timmar

Antal deltagare


Price per participant

Vittnesmål (1)

Upcoming Courses

Relaterade Kategorier